Datenintelligenz im Überblick
Die Suche nach den richtigen Daten kostet zu viel Zeit
Die größte Herausforderung für Datenkonsument:innen ist heute, relevante Daten zu finden, zu verstehen, ihnen zu vertrauen und sie zu nutzen.
In der Studie “Leverage Your Data” hat BARC die aktuelle Unternehmenspraxis im Bereich Datennutzung untersucht und dabei über 400 Unternehmen befragt. In der Studie sind 65 Prozent der Befragten der Meinung, dass ihre Analysten viel Zeit mit der Suche nach den richtigen Daten und Analysen verbringen und bereits geleistete Arbeit wiederholen. Dadurch wird die Produktivität der Analysten beeinträchtigt.
Mehr Informationen über Daten bereitzustellen, betrachten daher 59 Prozent als oberste Priorität, um diese Situation zu verbessern. 56 Prozent glauben dagegen, dass die Erstellung eines Geschäftsglossars ein wichtiger Ansatz ist, um dieses Problem zu lösen. Dadurch soll das abteilungsübergreifende Verständnis von Daten erleichtert werden.
Allerdings ergreifen nur 39 Prozent bzw. 27 Prozent der befragten Unternehmen diese Schritte. Warum also treten die Unternehmen hier auf der Stelle?
Unsere Umfrage kommt zu dem Schluss, dass es an verfügbarer Dokumentation und detailliertem Wissen fehlt. Dies steht der Erreichung der Ziele im Weg.
Eine solche Dokumentation von Grund auf zu erstellen ist zeitaufwendig underfolgt manuell. Die wenigen Datenexperten, die die erforderlichen Fachkenntnisse besitzen, haben allerdings weder die Zeit noch die Neigung, diese Aufgabe zu priorisieren. Das geben 55 Prozent der Teilnehmer unserer Studie an.
Unternehmen müssen also Lösungen finden, die diesen Mangel an personellen Ressourcen ausgleichen können. Es braucht Lösungen, die aus dem vorhandenen Wissen lernen und daraus erweitertes Wissen generieren.
Solches Detailwissen ist in der Organisation weitgehend vorhanden, nämlich in Form von Metadaten. Allerdings werden Metadaten selten konsequent gesammelt und mit Hilfe von Analytics und Machine Learning zum Leben erweckt. Dieser Prozess wird zunehmend als Data Intelligence bezeichnet.
Definition: Was ist Data Intelligence?
Data Intelligence (dt. Datenintelligenz) ist mehr als die systematische Datenerfassung in Unternehmen. Es zielt darauf ab, ein besseres Verständnis von Datenbeständen zu schaffen. Dabei werden verschiedene Metadaten genutzt, um zusätzliche Informationen zu verknüpfen und zu verbinden. Die Metadaten können fachlich, technisch, relational oder operativ sein.
Bei Data Intelligence geht es darum, diese verschiedenen Metadaten zu integrieren, aufzubereiten, zu verknüpfen, anzureichern oder zu analysieren. So wird Datenwissen bereitgestellt. Mit diesem sollen Menschen und Maschinen in die Lage versetzt werden, bessere datenbasierte Entscheidungen auf effiziente Weise zu treffen – mit vertrauenswürdigen, zuverlässigen Daten als Basis.
Data Intelligence klingt wie eine Lösung für unser Dilemma. Es gibt jedoch ein Problem beim Extrahieren, Sammeln und Verknüpfen all dieser Metadaten, um den Bedarf an Informationen zu decken. Ähnlich wie bei der manuellen Dokumentation von Expertenwissen handelt es sich um eine schwierige und zeitaufwändige Aufgabe. Ohne einen intelligenten und automatisierten Ansatz ist sie zum Scheitern verurteilt.
Hier kommen Data-Intelligence-Plattformen (DIP) ins Spiel.
- Sie erhalten eine Zusammenfassung der Umfrageergebnisse
- Sie stellen sicher, dass Ihre Erfahrungen in die Auswertung einfließen
- Sie nehmen an der Verlosung eines von zehn Amazon-Gutscheinen im Wert von 50 € teil.
3 Schlüsselfunktionen von Data-Intelligence-Plattformen
DIPs fördern die Datenintelligenz innerhalb des Unternehmens, indem sie effizient und automatisiert dabei helfen, Metadaten zu nutzen. Diese Technologien konzentrieren sich hauptsächlich auf drei Kernbereiche, um die notwendige Arbeit auf effektive und effiziente Weise zu erledigen:
- Intelligente, automatisierte Extraktion, Sammlung und Verknüpfung siloartiger, disparater Metadatenquellen
- Intelligente Unterstützung von menschlicher und maschineller Metadatenpflege & -anreicherung sowie Crowdsourcing
- Intelligente und flexible Metadatenanalyse zur erweiterten und automatisierten Unterstützung der Anforderungen verschiedener Nutzerrollen.
Die funktionalen Kernelemente von DIPs unterstützen die Suche und Entdeckung von Daten, die Zusammenarbeit und den Wissensaustausch sowie die Prozesse der Datenverwaltung. Sie basieren hauptsächlich auf Metadaten, nicht auf den eigentlichen Daten. Selbstlernende Funktionen helfen bei der Automatisierung zeitaufwändiger Schritte bei der Integration, Vorbereitung, Verknüpfung, Anreicherung und Analyse von Metadaten.
Was passiert am Markt für Data-Intelligence-Plattformen?
Der Markt für Data-Intelligence-Plattformen ist relativ neu, wächst schnell und ist daher sehr dynamisch. In der jüngsten Vergangenheit haben wir eine einige Plattformerweiterungen, Entwicklungen und Übernahmen beobachtet:
Auf der einen Seite gibt es einige etablierte Datenmanagement-Anbieter. Deren Lösungsportfolio beinhaltet ein fundiertes Datenkatalog-Tool, das ausgebaut wird. Es gibt aber auch Spezialisten, die in den DIP-Markt einsteigen. Diese erweitern ihr Basisprodukt um die Anforderungen der Data Intelligence.
Eine der größten Herausforderungen moderner DIPs ist die Erfüllung unterschiedlicher Anforderungen. Eine Vielzahl von Anwendungsfällen müssen unterstützt werden, Bedürfnisse verschiedener Benutzertypen erfüllt werden. Außerdem gilt es, eine robuste, skalierbare und moderne Basis zu schaffen, um Wissen aus einer stark verteilten Landschaft bereitstellen zu können.
Die am Markt verfügbaren Werkzeuge unterscheiden sich in ihren Ansätzen und dem Leistungsangebot.
BARC verschafft Ihnen einen Einblick
Wir bei BARC wollen Ihnen einen Überblick über die unterschiedlichen Lösungen am Markt geben.
Der BARC Score Data Intelligence Platforms vergleicht die elf weltweit wichtigsten Hersteller von modernen Data Intelligence Lösungen. Mit Hilfe eines umfangreichen Kriterienkatalogs werden die Plattformen bewertet und in fünf Kategorien eingeteilt.
